本论文提出一种基于Wiener混沌展开的过参数化风险中性鞅模型，通过截断Hermite多项式系数并显式计算相应的条件期望，可以在均方意义下任意逼近由布朗运动驱动的平方可积鞅，从而实现对跨行权和跨到期隐含波动率曲面的快速标定；论文给出数值实现细节（分段常数与Legendre基）、两种定价器（蒙特卡洛与Gauss–Hermite求积）与方差约减技巧，并在Heston、rough Heston及真实SPX数据上验证了模型的拟合精度与对外样本及路径依赖期权的定价能力 [page::0][page::1][page::13]
本文构建并求解了一个面向个人 tontine 帐户的多期 EW–CVaR 最优取款与资产配置框架，结合国际多资产机会集与随机寿命（LC/CBD）输入，通过神经网络直接参数化状态依赖策略以应对高维受限控制问题；结果显示国际多样化与寿命互助（tontine）合并时，EW–CVaR 权衡改善最大，而隐含的 money-back guarantee（MBG）等价费率主要由尾部情形与审慎缓冲驱动，而非均值支出 [page::2][page::3][page::33].
本文将“agent capital”（能压缩组织内协调成本的AI）作为独立投入，建立模型说明协调压缩如何提升产出、扩张管理跨度并内生化任务创造，进而产生两端分化的“regime fork”：当AI成为广泛基础设施时带来普惠性增益；当AI主要增强精英管理者时则催生superstar集中度与更高不平等。数值模拟在β（精英互补）×δ（任务创造弹性）空间中验证了四类制度情景，显示就业扩张普遍降低全经济Gini但管理者—工人差距普遍扩大 [page::0][page::2][page::11]
本文回顾了从“荷兰病”到“资源诅咒”研究的演进，并汇总了近年基于因果识别的微观证据，显示采矿开采在特定条件下可带来局部经济与女性赋权收益，但亦伴随健康、环境与社会冲突等负外部性，政策设计（如利润分享与性别敏感培训）是决定净收益的关键因素 [page::0][page::8]
本文提出一个高维凸生产可能集框架，将AI视为“方向性”技术——在某些任务方向上高效、在其他方向上低效，并证明工人在其采纳决策中以采自我均衡的影子价格（autarky shadow prices）为充分统计量。报告给出：采纳当且仅当技术方向在自给影子价格下带来更高边际隐含收益；随着能力χ提高，采纳方向在以自给价格为中心的锥体内扩展，并存在从入门到全投入的结构化密度边际（partial vs all-in）[page::4][page::11][page::13]。
本文利用1985年挪威最高法院裁决作为自然实验，识别“主权挟持（sovereign hold-up）”对重大不可逆投资与技术采纳（以EOR为例）的因果影响，发现裁决显著提升挪威EOR采纳率、提高产出与生产率，并由具备EOR专门知识的私营企业主导这一转型；此外，仅约30.6%的国家宪法明文禁止非刑事溯及力立法，显示可信赖的主权承诺并不普遍 [page::0][page::36].
本文提出通过半定规划（SDP）松弛对含有离散决策与非线性约束的非凸市场进行凸化，并从松弛对偶解导出边际价格以作为报酬信号，利用扩展的包络定理证明在有界选择集下 SDP 强对偶成立，从而可用松弛的对偶导数作为需求的边际价格；在供需线性进入右端项时，证明了因子价格导致的“失去机会成本（LOC）”以松弛最优差为上界，数值实验表明在 IEEE 基准实例中 SDP 定价较固定二元定价平均将 LOC 降低约46% [page::0][page::11][page::22][page::27].
本报告提出一种漏斗/泄露防护的两阶段机器学习框架：阶段一用XGBoost二分类器识别是否发生发票稀释，阶段二用多种回归器（XGBoost/RandomForest/MLP/FasterKAN）及加权集成估计稀释金额，在7个滚动时间窗的验证中加权集成实现均值RMSE≈1215.8±99.7、WMAPE≈16.82%（MAPE≈17%–19%）；分类器ROC-AUC稳定在0.9167–0.9222区间（最近窗0.9222），并采用仅使用先前发票的“无泄露”时间序列特征与宏观变量增强输入特征（137个特征，样本≈4.84M），为实时动态授信与风险定价提供可部署的预测模块 [page::0][page::3][page::1]
本文将交易所级别的 Autodeleveraging (ADL) 机制形式化为一个在线学习/在线凸优化问题，提出以“severity + allocation”分解的可执行策略空间并给出带有执行价格不确定性项 P_T^θ 的实例标定动态遗憾界，理论上证明固定优先级队列会产生线性遗憾而自适应控制器可达次线性遗憾；在 2025-10-10 Hyperliquid 事件的回放上，发现生产队列比部署可行的替代策略（如整数 pro-rata 或 vector mirror descent）导致要高出一个数量级的累积目标损失，生产模型的过度社保（overshoot）约为 \$45M–\$51.7M，而 vector mirror descent 在同一上界尺度下仅为约 2.6%（大幅降低过度社保）[page::0][page::11][page::16]
本文提出并验证了一种“最小拥堵”驾驶出行时间预测方法：利用 OpenStreetMap 的路网与路口/交通管制要素计数、少量 Google Routes API 的训练标签，结合可解释的随机森林回归，可在资源受限环境下显著优于常用的天真路由估计且接近先进模型的精度；在洛杉矶案例中，最终模型的平均偏差仅约0.34秒且 MAPE≈8.4% [page::5][page::7][page::11].
本文以三人群体为最小非平凡案例，提出把收入份额表示在二维单纯形上，用几何与等高线/热图诊断人口份额加权与收入份额加权两类经典可分解性，展示不同不平等度量（MLD、Gini、CV、Theil）在何处以及如何偏离经典可分解性，从而为分组不平等解释提供可视化定位工具 [page::28].
本报告介绍了INET Oxford与英国能源安全与净零部合作，使用数据驱动的宏观代理模型（ABM）评估2026年英国第七碳预算（CB7）对增长、就业、通胀和不平等的宏观影响；文中描述了三项工作包：WP1 用英国微观家庭数据初始化并校准模型，WP2 将CCC的绿色投资与技术路径作为外生冲击进行初步模拟，WP3 计划引入内生技术学习与社会学习以生成替代路径，旨在为6月2026年的政策决策提供量化依据 [page::0][page::1][page::2]
本文在离散时间含资本利得税的市场模型下，研究可达终值集的闭合性以及效用最大化问题，指出在有限概率空间上可达集总是闭合但在一般空间上仅有 NA 不足以保证闭合，并引入较强的 NUIBR 条件以恢复闭合性与最优策略存在性，从而证明在满足闭合性与适度可积性条件下始终存在最优投资策略 [page::0][page::8][page::17].
本周（2026.02.09-2026.02.13）A股小幅上行，宽基普涨但行业分化显著，高估值/成长风格领涨，计算机、电子和传媒板块表现突出；中证1000与双创类表现较强。[page::0][page::1][page::2] 同期公募量化产品分化：增强指增基金中永赢沪深300、万家中证500、招商中证1000等本周超额领先，主动量化基金整体正收益占比较高，股票对冲稳健获得小幅正收益，为投资者在配置时提供策略选择参考。[page::2][page::3]
This paper derives an analytical quadratic relationship between out-of-sample R^2 and directional accuracy for MSE-optimal point forecasts, showing that R_OOS^2 = κ(2·DA−1)^2 under mild independence and volatility assumptions; as a result, modest DAs (≈0.55–0.60) imply intrinsically small theoretical R_OOS^2 and negative empirical R_OOS^2 values are expected under suboptimal scaling or finite-sample noise, a finding validated by simulation on S&P500 and DJIA series [page::2][page::4][page::5].
本文提出一个多主体随机动态模型，刻画在干预（intervention）与自然衰减（decay）共同作用下个体福利的长期演化，并在“生存条件”与“Matthew效应”假设下证明：遵循Rawls原则（优先救助福利最低者）的政策，在长期内可优于短期最优的功利主义（utilitarian）策略；相反，在“毁灭/ruin条件”下，功利主义策略占优，从而强调评估社会政策须纳入长期视角以避免短期误判 [page::4][page::5][page::22][page::23][page::8]
本论文基于11,752名面板用户的6个月点击流数据，构建并估计了一个含异质性信号方差的结构化贝叶斯学习模型，以量化“学习差距（learning divide）”与“效用差距（utility divide）”，并鉴别出“信念陷阱”及其成因与缓解路径；实证显示：非大学受教育者、非白人及低英文能力者每次使用可获更高边际效用但更新速度更慢，而男性、年轻者及高LLMOE职业既获更高边际效用也学习更快；模拟表明定向训练（约200–400次使用）可显著降低被困概率，从而缓解结果差距 [page::0][page::27][page::31]
本文提出STIML（Scaling-Theory-Informed Machine Learning）框架：先用基于规模律的机制性增长模型（GM）刻画公司财务指标的平均趋势，再用机器学习建模残差以捕捉结构性波动，实验（Compustat 1950–2019，31,553家公司）显示STIML在16项指标上整体优于纯GM与纯ML，平均比GM提升约23%、比ML提升约5%，且模型揭示大公司以趋势为主、小公司以波动为主的可预测性分治结构以及残差负偏下的可学习信息。[page::0]
本文提出一种类比于 Tukey HSD 的事后（post hoc）Sharpe 比率差异检验：在假设所有资产信噪比不相等被拒后，用于判别哪对资产的信噪比存在显著差异；方法基于对协方差在“秩一”相关结构下的近似并给出 HSD 与 Bonferroni 截断值，实证模拟显示在使用 df=n-1 截断时能较好保持名义 I 型率，但在样本量小、资产数多时 df=∞ 截断会反保守；并演示了可行估计量与若干真实数据的应用 [page::0][page::5][page::12].
本文通过31次事件（2019–2025）和事件级区块自助法检验基础设施故障与监管执法在收益层面的差异，发现基础设施负性事件平均CAR≈−7.6%，监管负性事件平均CAR≈−11.1%，两类差异不显著（Δ=+3.6pp，p=0.81），但伴随研究显示基础设施事件对条件方差的冲击约为监管事件的5.7倍，表明市场通过风险（第二矩）而非期望收益对两类冲击进行区分 [page::0][page::6][page::13].
